| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2023-03-15 10:55 Clustering V-SOINNにおけるミニバッチ学習の提案 ○小村哲矢・船田林汰良・山内ゆかり（日大）  NC2022-111 |
|
| 抄録 | （和） | 自己増殖型ニューラルネットワーク(Self-Organizing Incremental Neural Network : SOINN)と呼ばれる学習手法を山崎らが提案した．この手法はネットワークを動的に構築するオンライン手法である．しかし，SOINNは入力順によってネットワーク構造が変化するため，学習結果の安定化しない．また，高次元データにおける性能が低い．そこで本研究では，高次元データに対して，トポロジーを保持した状態で低次元空間に変換することができるV-SOINNを活用することやSOINNにミニバッチ学習を取り入れることで学習結果の安定化，精度の向上を図る．実験ではOptdigits，MNISTの文字認識問題で識別率の分およびノード数の推移を比較し，提案手法の有効性を確かめる． |
| （英） | Yamazaki et al. proposed a learning method called Self-Organizing Incremental Neural Network (SOINN). This method is an online method that dynamically constructs the network. However, SOINN does not stabilize learning results because the network structure changes depending on the input order. In addition, the performance of SOINN is low for high-dimensional data. Therefore, in this study, we attempt to stabilize the learning results and improve the accuracy by utilizing V-SOINN, which can transform high-dimensional data into a low-dimensional space while preserving the topology, and by incorporating mini-batch learning into SOINN. In the experiments, we compare the discrimination rate and the number of nodes on Optdigits and MNIST character recognition problems to confirm the effectiveness of the proposed method. | |
| キーワード | （和） | 自己増殖型ニューラルネットワーク / V-SOINN / ミニバッチ学習 / / / / / |
| （英） | Self-Organizing Incremental Neural Network / V-SOINN / Mini-batch learning / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 425, NC2022-111, pp. 109-112, 2023年3月. | |
| 資料番号 | NC2022-111 | |
| 発行日 | 2023-03-06 (NC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2022-111 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2023-03-13 - 2023-03-15 |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | The Univ. of Electro-Communications |
| テーマ（和） | 脳アーキテクチャー, 一般（NC, ME） |
| テーマ（英） | Brain architecture, General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2023-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | Clustering V-SOINNにおけるミニバッチ学習の提案 |
| サブタイトル（和） | |
| タイトル（英） | Proposal for Mini-Batch Learning in Clustering V-SOINN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 自己増殖型ニューラルネットワーク / Self-Organizing Incremental Neural Network |
| キーワード(2)（和/英） | V-SOINN / V-SOINN |
| キーワード(3)（和/英） | ミニバッチ学習 / Mini-batch learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 小村 哲矢 / Tetsuya Komura / コムラ テツヤ |
| 第1著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 船田 林汰良 / Rintaro Funada / フナダ リンタロウ |
| 第2著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 山内 ゆかり / Yukari Yamauchi / ヤマウチ ユカリ |
| 第3著者 所属（和/英） | 日本大学 (略称： 日大) Nihon University (略称： Nihon Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2023-03-15 10:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2022-111 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.425 |
| ページ範囲 | pp.109-112 |
| ページ数 | 4 |
| 発行日 | 2023-03-06 (NC) |
[研究会発表申込システムのトップページに戻る]